基于PCA特征提取和驅(qū)動(dòng)電流的數(shù)控機(jī)床進(jìn)給軸狀態(tài)檢測(cè)*

符垚慧梅 徐 強(qiáng) 陳學(xué)振

(成都飛機(jī)工業(yè)集團(tuán)，四川 成都 610091)

五軸聯(lián)動(dòng)數(shù)控機(jī)床進(jìn)給軸機(jī)械結(jié)構(gòu)復(fù)雜，長時(shí)間大擺角、高精度加工容易引發(fā)故障。目前大多數(shù)企業(yè)采用定期維護(hù)、備件更換的維保策略，這一模式會(huì)引發(fā)維修過度或維修不足的問題。因此，對(duì)進(jìn)給軸進(jìn)行快速的狀態(tài)識(shí)別和故障診斷，用狀態(tài)評(píng)估的方法代替定期檢修和事故后維修，對(duì)設(shè)備性能和可靠性的提高具有積極意義。

目前，主要通過外置傳感器的方式采集機(jī)床進(jìn)給軸信號(hào)以達(dá)到狀態(tài)檢測(cè)的目的，如：用振動(dòng)傳感器獲得振動(dòng)信號(hào)，或用霍爾元器件采集軸電流信號(hào)，并大量使用平均值、方差，以及頻譜特征變化的方法來分析評(píng)價(jià)進(jìn)給軸狀態(tài)的好壞。該方式雖然直觀，但實(shí)際操作過程中涉及到傳感器安裝、線路鋪設(shè)等問題，軸運(yùn)動(dòng)過程中甚至出現(xiàn)傳感器脫落和線路干涉等現(xiàn)象，增加了檢測(cè)的難度和風(fēng)險(xiǎn)度。同時(shí)，分析方法的選擇也通常依靠常識(shí)和經(jīng)驗(yàn)，無理論支撐，使得檢測(cè)僅在某些特定環(huán)境下可靠，而對(duì)于工業(yè)現(xiàn)場(chǎng)中復(fù)雜零件數(shù)控加工這類工況，應(yīng)用推廣效果極差。

因此，從數(shù)控系統(tǒng)直接提取進(jìn)給軸狀態(tài)數(shù)據(jù)以替代外置傳感器，并選擇方便、合理，且適用于工業(yè)現(xiàn)場(chǎng)的狀態(tài)解析方法，在機(jī)床狀態(tài)檢測(cè)中意義重大。

1 數(shù)控系統(tǒng)伺服驅(qū)動(dòng)電流采集

各類數(shù)控系統(tǒng)均帶有伺服驅(qū)動(dòng)數(shù)據(jù)采集模塊(如：西門子系統(tǒng)的SERVO TRACE，F(xiàn)IDIA系統(tǒng)的OSCILLO SCOPE)，可直接提取各軸的驅(qū)動(dòng)、NC、PLC數(shù)據(jù)，不必外置傳感器和接線，設(shè)置好各項(xiàng)參數(shù)之后，即可開始采集[1]，采集界面如圖1所示。

數(shù)控機(jī)床驅(qū)動(dòng)軸廣泛采用交流永磁同步電機(jī)，工作穩(wěn)定可靠，其電流正比于輸出扭矩[2]。電機(jī)輸出扭矩受負(fù)載、軸承系統(tǒng)機(jī)械特性、變速箱機(jī)械特性、滑軌系統(tǒng)機(jī)械特性和導(dǎo)軌絲杠系統(tǒng)機(jī)械特性等因素的影響，電流隨這一系列部件的變化而同步變化。因此，通過采集進(jìn)給軸驅(qū)動(dòng)器的輸出電流，就能夠有效把握機(jī)床組成部件的實(shí)時(shí)狀態(tài)變化。

2 基于主成分分析(PCA)的特征提取

通過數(shù)控機(jī)床各軸驅(qū)動(dòng)電流的峰值、峰-峰值、平均值、均方根、方差…一系列指標(biāo)可獲悉電流變化情況。但依次求取這眾多指標(biāo)將引發(fā)巨大計(jì)算量，不利于工業(yè)現(xiàn)場(chǎng)應(yīng)用。因此，需要從眾多指標(biāo)中提取出最有代表性的指標(biāo)，只需對(duì)這些重要指標(biāo)進(jìn)行分析，即可獲得對(duì)應(yīng)軸的狀態(tài)信息。

主成分分析法(PCA)在力保數(shù)據(jù)信息丟失最少的原則下，對(duì)多變量的數(shù)據(jù)進(jìn)行最佳綜合簡(jiǎn)化，以實(shí)現(xiàn)降維。在此過程中通過比較各變量對(duì)降維結(jié)果的影響，可提取出最有價(jià)值的變量，直接用于工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)分析。

通過主成分分析，可獲得第i個(gè)主成分的貢獻(xiàn)率為：

前k個(gè)主成分的累計(jì)貢獻(xiàn)率為：

一般地，只需取累計(jì)貢獻(xiàn)率達(dá)85%～95%的前k(k

主成分確定之后，以這k(k

對(duì)各指標(biāo)系數(shù)wi進(jìn)行歸一化處理，即為原數(shù)據(jù)各指標(biāo)在前k(k

3 基于PCA特征提取和驅(qū)動(dòng)電流的進(jìn)給軸狀態(tài)檢測(cè)

3.1 進(jìn)給軸驅(qū)動(dòng)電流采集方案

某系列五軸聯(lián)動(dòng)數(shù)控機(jī)床包含X、Y、Z、A、B這5個(gè)進(jìn)給軸，每周兩次以相同條件采集各軸空載下的驅(qū)動(dòng)電流。通過機(jī)床自身的縱向?qū)Ρ群屯盗袡C(jī)床之間的橫向?qū)Ρ龋軌颢@得各軸的狀態(tài)變化趨勢(shì)信息。

對(duì)于其B軸，每次采集方案如表1。

表1 B軸驅(qū)動(dòng)電流采集方案

3.2 基于PCA的進(jìn)給軸驅(qū)動(dòng)電流特征提取

首先提取正常狀態(tài)下的峰值、峰-峰值、平均值、絕對(duì)值的平均值、均方根、方差、歪度、峭度、波形因子、峰值因子、峭度因子、脈沖因子和裕度因子13個(gè)特征值，經(jīng)過PCA降維，得到以下主成分貢獻(xiàn)率圖：

從圖2可知，前五維主成分即可反映原始數(shù)據(jù)85%以上的特征。由第2節(jié)可知，根據(jù)前五維主成分，求得13個(gè)特征值的指標(biāo)系數(shù)，對(duì)這些指標(biāo)系數(shù)歸一化后，求得這13個(gè)特征值的權(quán)重，如表2所示。

表2 13個(gè)特征值權(quán)重

表2顯示，13個(gè)特征值中，峰值、均方根、方差及峭度因子在前5個(gè)主成分中所占權(quán)重最高，說明這4個(gè)特征在表征驅(qū)動(dòng)電流時(shí)最有價(jià)值，因此，將這4個(gè)特征值作為后續(xù)進(jìn)給軸狀態(tài)檢測(cè)的依據(jù)。

3.3 進(jìn)給軸驅(qū)動(dòng)電流特征值分析

選擇峰值、均方根、方差和峭度因子4個(gè)指標(biāo)對(duì)該系列機(jī)床B軸正反向運(yùn)動(dòng)過程進(jìn)行監(jiān)控，經(jīng)過一段時(shí)間的觀察，指標(biāo)均在極小波動(dòng)范圍內(nèi)呈現(xiàn)出一致性。其中，各機(jī)床B軸的特征值情況如表3所示。

表3 B軸驅(qū)動(dòng)電流日常特征值記錄

在某次日常檢測(cè)中，發(fā)現(xiàn)該系列#1機(jī)床B軸的特征值較以往情況呈現(xiàn)出異常，具體情況如表4所示。

表4 #1機(jī)床B軸驅(qū)動(dòng)電流異常特征值記錄

對(duì)比可知，該B軸驅(qū)動(dòng)電流正反向的峰值變化為38.1%，均方根的變化達(dá)到18%，方差變化為20%，峭度因子的變化為26.4%，變化較為明顯。但由于機(jī)床系統(tǒng)龐大，單次測(cè)試的異常情況無法充分說明該軸有故障跡象，于是連續(xù)幾天對(duì)該臺(tái)機(jī)床B軸的驅(qū)動(dòng)電流進(jìn)行采集，查看以上特征值出現(xiàn)的異常現(xiàn)象是否持續(xù)。

接下來一周內(nèi)，以同樣運(yùn)行條件采集該B軸電流，獲得的特征值數(shù)據(jù)與表4相近，說明表4出現(xiàn)的異常情況并非偶然。

3.4 進(jìn)給軸驅(qū)動(dòng)電流頻譜分析

為驗(yàn)證驅(qū)動(dòng)電流特征值反映進(jìn)給軸狀態(tài)的有效性，對(duì)該異常情況下采集的電流值進(jìn)行頻譜分析，并與其先前頻譜及其他同類型機(jī)床B軸電流頻譜圖(視為正常)對(duì)比。

對(duì)比發(fā)現(xiàn)，特征值出現(xiàn)異常的B軸驅(qū)動(dòng)電流頻譜圖在149 Hz和175 Hz附近出現(xiàn)了明顯的尖點(diǎn)，而此機(jī)床B軸以往的電流頻譜和同類型機(jī)床B軸的頻譜僅有175 Hz一個(gè)主要頻率，出現(xiàn)不尋常現(xiàn)象，與特征值評(píng)價(jià)結(jié)果一致，初步斷定該機(jī)床B軸異常。

考慮到該系列#1機(jī)床相對(duì)工作時(shí)間較長，加工零件普遍對(duì)五軸聯(lián)動(dòng)需求更高，為防止后續(xù)機(jī)械故障損傷零件，維修人員立即拆開其B軸進(jìn)給部件，發(fā)現(xiàn)蝸輪蝸桿機(jī)構(gòu)出現(xiàn)老化磨損跡象，需要更換。

該結(jié)果表明，數(shù)控機(jī)床驅(qū)動(dòng)模塊所采集到的進(jìn)給軸電流可靠性高，其特征值可用于評(píng)價(jià)五軸聯(lián)動(dòng)數(shù)控機(jī)床進(jìn)給軸的機(jī)械狀態(tài)。

4 結(jié)語

本文基于PCA特征提取和數(shù)控機(jī)床驅(qū)動(dòng)電流對(duì)進(jìn)給軸機(jī)械狀態(tài)進(jìn)行檢測(cè)，在所選特征值指標(biāo)出現(xiàn)明顯異常的情況下對(duì)采集所得電流進(jìn)行頻域分析，結(jié)合實(shí)際結(jié)果，證實(shí)3.2節(jié)選取的電流特征值可作為工業(yè)生產(chǎn)中機(jī)床進(jìn)給軸狀態(tài)的日常檢測(cè)依據(jù)。

通過數(shù)控機(jī)床驅(qū)動(dòng)模塊采集進(jìn)給軸電流方便快捷，數(shù)據(jù)可靠性高；利用PCA方法所選的指標(biāo)理論意義顯著、計(jì)算簡(jiǎn)便、可執(zhí)行性強(qiáng)，可作為評(píng)價(jià)機(jī)床進(jìn)給軸機(jī)械狀態(tài)的依據(jù)。利用該方法進(jìn)行長期檢測(cè)，對(duì)于機(jī)床狀態(tài)快速評(píng)價(jià)、指導(dǎo)工業(yè)現(xiàn)場(chǎng)機(jī)床日常保養(yǎng)，以及數(shù)控機(jī)床故障預(yù)測(cè)都具有重要意義。